Artificial Intelligence dan otak manusia

Berita Teknologi: Semut dan "The Matrix"


Dengan Opini 7 jam yang lalu

Bagikan artikel ini:

Manusia selalu memimpikan terbang ke langit dan sejak zaman prasejarah sering kali berusaha terbang dengan meniru burung.

Mereka menempelkan sayap yang terbuat dari bulu atau kayu ringan ke lengan mereka, tetapi akibatnya seringkali bencana karena otot lengan manusia sama sekali tidak seperti otot burung. Karena kurangnya pemahaman tentang fisika, meniru mekanisme terbang burung tidak memberikan solusi.

Barulah pada akhir 1700-an ketika Sir George Cayley dan kemudian pada 1891 dan 1903 ketika insinyur Jerman, Otto Lilienthal, dan American Wright bersaudara masing-masing mempelajari aerodinamika, manusia berhasil terbang.

Artificial Intelligence (AI) yang meniru otak manusia

Sangat mirip, otak manusia dan ilmu saraf telah menjadi inspirasi utama bagi para peneliti AI selama beberapa dekade. Bidang ilmu saraf dan AI memiliki sejarah yang panjang dan terjerat dan banyak penelitian dan algoritma AI didasarkan pada mekanisme kognisi otak manusia. Beberapa upaya AI mencapai hasil yang menggembirakan, seperti karya DeepMind, anak perusahaan Alphabet (Google).

Gagasan meniru otak manusia ini dibangun di atas tradisi yang panjang, dimulai dari penelitian ahli anatomi Spanyol dan peraih Nobel Santiago Ramón y Cajal pada abad ke-19 ketika ia mempelajari dan membuat sketsa secara mikroskopis ribuan neuron yang terdiri dari dendrit dan akson yang mirip pohon.

Pada tahun 1943, psikolog Warren McCulloch dan mentee Walter Pitts, seorang remaja jenius matematika tunawisma, mengusulkan kerangka kerja yang menarik untuk pengkodean pikiran kompleks oleh otak. Menurut mereka, setiap neuron secara logis menggabungkan beberapa masukan dalam satu keluaran biner, yaitu benar atau salah. Bersama-sama, operasi logis ini dapat digabungkan menjadi kata, kalimat, dan paragraf kognisi.

Meskipun kemudian menjadi jelas bahwa model McCullough dan Pitts tidak menggambarkan otak dengan baik, itu memainkan peran penting dalam arsitektur biner komputer modern pertama dan akhirnya berkembang menjadi jaringan saraf tiruan yang sekarang umum digunakan dalam pembelajaran mendalam.

Pada tahun 2009 seorang ahli saraf Israel yang terlalu percaya diri dan direktur pendiri Proyek Otak Biru, Henry Markram, membuat proposal yang mencolok bahwa dalam sepuluh tahun dia akan membangun simulasi lengkap dari otak manusia di dalam superkomputer. Dia telah menghabiskan waktu bertahun-tahun memetakan sel-sel di neokorteks, pusat persepsi dan pemikiran yang diduga, dan menyatakan bahwa dia akan segera menciptakan otak virtual dalam silikon yang darinya AI akan muncul secara organik.

Kompleksitas pengelakan dari kognisi

Meskipun meniru atau menciptakan kembali fungsi kognitif manusia berdasarkan arsitektur saraf otak mungkin tampak masuk akal secara teoritis, hal itu terbukti menjadi tugas yang sangat menantang, sebagian karena ahli saraf sedang berjuang untuk sepenuhnya memahami mekanisme kognitif otak manusia.

Tidak sulit untuk memahami bahwa jaringan saraf tiruan telah diilhami oleh arsitektur saraf otak manusia, tetapi ketika kita melampaui hubungan yang jelas antara model pembelajaran mendalam dan ilmu saraf yang saat ini populer, hal itu menjadi sangat kompleks.

Sebagian besar penelitian saat ini di jaringan saraf telah dibatasi untuk meniru koneksi sinaptik antara neuron di korteks otak.

Namun, upaya untuk merekonstruksi kemampuan kognitif otak di jaringan saraf yang dalam tetap menjadi salah satu tujuan AI yang sulit dipahami.

Bahkan jika para ilmuwan berhasil menciptakan kembali kecerdasan dengan mensimulasikan secara hati-hati setiap molekul di otak, mereka tetap tidak akan menemukan prinsip-prinsip dasar kognisi. Ilmuwan perlu memahami otak pada sistem tingkat ilmu saraf, yaitu algoritma, arsitektur, fungsi, dan representasi yang digunakannya.

Pendekatan alternatif untuk AI

Meski sudah banyak penelitian, pembentukan pengetahuan di otak manusia masih menjadi area yang keruh. Selain hubungan antar neuron, banyak keterampilan kognitif yang berbeda melengkapi penangkapan dan pengembangan pengetahuan.

Dalam penelitian AI yang lebih baru, teknik AI generasi baru telah mulai menciptakan kembali beberapa fungsi kognitif otak manusia ini.

Pendekatan baru yang terinspirasi oleh ilmu saraf terhadap sains AI berbeda secara fundamental dari sistem komputasi neuromorfik yang sangat mirip atau merekayasa balik sirkuit saraf manusia. Dengan berfokus pada tingkat komputasi dan algoritmik, pendekatan baru yang diilhami oleh ilmu saraf memperoleh wawasan yang dapat ditransfer ke dalam mekanisme umum fungsi otak.

Beberapa perkembangan terkini dalam AI yang dipandu oleh pertimbangan ilmu saraf adalah:

Perhatian: Mekanisme perhatian yang memungkinkan manusia fokus pada tugas tertentu telah menjadi sumber inspirasi baru-baru ini untuk model pembelajaran yang mendalam seperti jaringan saraf konvolusional (CNN) atau model generatif yang dalam. Model CNN baru memungkinkan AI untuk mengabaikan informasi yang tidak relevan, misalnya, saat mengklasifikasikan objek dalam gambar atau terjemahan mesin.

Pembelajaran berkelanjutan: Tidak seperti manusia yang mempertahankan pengetahuan sebelumnya saat mempelajari tugas baru, jaringan saraf AI mengalami “bencana lupa” saat menimpa konfigurasi sebelumnya dalam tugas pengoptimalan yang berurutan. Teknik pembelajaran mendalam terbaru berdasarkan teknik pembelajaran berkelanjutan manusia dikenal sebagai Elastic Weight Consolidation (EWC). Teknik ini memerlukan perlambatan pembelajaran dalam subset bobot jaringan dan mengikatnya ke solusi sebelumnya. Algoritme EWC memungkinkan jaringan Deep Reinforcement Learning (RL) untuk belajar terus menerus dalam skala besar.

Memori episodik: Memori episodik adalah pengkodean cepat peristiwa otobiografi dalam memori seperti tempat atau peristiwa (pembelajaran satu kali) dan sebagian besar terkait dengan sirkuit saraf di lobus temporal medial, khususnya hipokampus. Hal ini telah menginspirasi ilmuwan AI untuk mengintegrasikan memori episodik ke dalam algoritma Reinforcement Learning (RL), seperti pemilihan tindakan berdasarkan kesamaan antara masukan situasional saat ini dan pengalaman atau peristiwa (misalnya tindakan dan hasil penghargaan) yang sebelumnya disimpan dalam memori.

Inferensi: Manusia dikenal karena kemampuannya untuk mempelajari konsep baru secara efisien melalui referensi induktif ke pengetahuan sebelumnya. Hingga saat ini, sistem pembelajaran mendalam mengandalkan data pelatihan dalam jumlah yang sangat besar untuk menguasai tugas-tugas tertentu. Namun, penelitian terbaru ke dalam metode probabilistik terstruktur dan model generatif yang mendalam telah memasukkan mekanisme inferensi yang terinspirasi oleh otak dalam pemrograman AI. AI sekarang dapat membuat kesimpulan tentang konsep baru bahkan dalam kasus data terbatas dan dapat menghasilkan sampel baru dari satu contoh konsep. Juga membangun kemampuan inferensi otak manusia adalah bidang meta-learning yang berkembang pesat.

Imajinasi dan perencanaan: Kesadaran manusia memerlukan kemampuan untuk memikirkan dan memprediksi masa depan. Sebaliknya, sebagian besar sistem pembelajaran mendalam beroperasi secara reaktif dan tidak memiliki kemampuan untuk merencanakan hasil jangka panjang. Penelitian AI baru telah memperkenalkan arsitektur yang dapat menghasilkan urutan yang konsisten secara temporer yang mensimulasikan tata letak geometris dari lingkungan realistis yang baru dialami secara paralel dengan fungsi hipokampus dengan menggabungkan beberapa komponen untuk menghasilkan pengalaman yang dibayangkan yang koheren secara spasial dan temporer.

Memori kerja: Kecerdasan manusia memiliki kemampuan untuk memelihara dan memanipulasi informasi dalam memori kerja (penyimpanan aktif), sebagian besar terkait dengan korteks prefrontal dan area yang saling berhubungan. Penelitian AI telah dibangun di atas model-model ini, dengan membuat arsitektur yang secara eksplisit memelihara informasi dari waktu ke waktu seperti dalam jaringan memori jangka pendek (LSTM) dan komputer saraf diferensial (DNC) yang memungkinkan pengontrol jaringan untuk melakukan berbagai memori kompleks dan tugas penalaran seperti menentukan rute terpendek melalui struktur atau peta seperti grafik.

Masa depan AI

Dari penjelasan di atas, tampaknya konvergensi penelitian AI dan neuroscience akan mengarah pada beberapa perkembangan AI yang sangat menarik di masa depan. Jaringan saraf modern akan melampaui sekadar koneksi antara neuron dan akan mulai merekonstruksi blok bangunan inti kecerdasan manusia.

Sistem AI sekarang cocok dengan kinerja manusia dalam tugas pengenalan objek yang mendesak dan bahkan mengungguli para ahli dalam lingkungan yang dinamis dan bermusuhan seperti video, papan, dan permainan informasi yang tidak sempurna. Mesin juga dapat secara mandiri membuat gambar alami sintetis dan simulasi ucapan manusia yang sangat akurat, menerjemahkan berbagai bahasa, dan menghasilkan seni dengan gaya pelukis terkenal.

Bahkan mungkin saja model AI di masa depan tidak akan meniru otak sama sekali. Faktanya, pesawat terbang meskipun mereka sedikit mirip dengan burung. Solusi atas keinginan manusia untuk terbang bukanlah memiliki sayap seperti burung. Saat kami dengan hati-hati di masa depan menguraikan detail tentang bagaimana kecerdasan bekerja di otak manusia, kami berharap akan menyadari bahwa saat ini kami hanya mendeskripsikan pakaian kaisar tanpa kehadiran kaisar. Tetapi kita akan mengenal kaisar ketika kita melihatnya pakaian apa pun yang mungkin dia kenakan.

Otak selalu membuat kita terpesona sebagai manusia dan masih akan membuat kita terpesona selama beberapa waktu sampai kita berhasil membuatnya kembali. Namun, penciptaan AI umum tingkat manusia (atau sistem cerdas “Turing-powerful”), sifat kreativitas, mimpi dan kesadaran saat ini tetap menjadi misteri yang sulit dipahami.

Profesor Louis CH Fourie adalah seorang futuris dan ahli strategi teknologi.

LAPORAN BISNIS


Posted By : https://airtogel.com/